CN108618465A - 一种实现智能学习的软硬可调床垫及其硬度调节系统与方法 - Google Patents

Abstract

本发明提出了一种用于实现智能学习的软硬可调床垫硬度调节系统，用于调节床垫中设置的多个气囊，包括：按预定规则排列的多个气囊；与所述多个气囊分别连接的多个压力传感器，所述多个压力传感器同时连接到控制模块；与所述多个气囊分别连接的多个电子气阀，所述多个电子气阀同时连接到相应的气泵；分别用于充气的气泵和用于放气的气泵；用于控制气囊气压的控制模块；其中，所述多个气囊中的每个气囊都分别通过压力传感器、电子气阀和气泵连接到控制模块；压力传感器用于采集气囊的压力，并将采集的到气压值发送到控制模块；控制模块根据气压值判断用户的睡姿，并根据不同的睡姿对用户身体下面的气囊进行充放气，以将气囊气压调节到合适的范围。

Description

一种实现智能学习的软硬可调床垫及其硬度调节系统与方法

技术领域

本发明涉及一种床垫，尤其涉及一种实现智能学习的可智能调节软硬度的床垫及其 调节系统与方法。

背景技术

床垫是一种介于人体和床之间的支撑物，保证睡眠者获得健康又舒适的睡眠。一个 好的床垫，不仅能起到承托的基础作用，又能保证合理的脊柱生理弯曲度。近50年来，床垫行业的发展经历了三个阶段：棕丝材质的硬床垫、席梦思弹簧床垫和电动床垫。

目前市面上的床垫呈现出的特点可概括为：软硬可调不智能、智能软硬不可调。具体而言，前者是指现有软硬度可调床垫主要是借助在床体中添加压力块、水袋、气囊等 物理手段，通过螺栓、红外遥控、气泵等手动方式实现软硬度调节，可调不智能。后者 是指现有的智能床垫功能固然丰富，例如，监测睡眠环境、睡眠质量，改善睡眠环境， 纠正睡眠者的不良睡眠习惯等，而监测和改善主要集中在环境温度上，对不良习惯的纠 正在借助外力的同时也有可能影响到睡眠者的睡眠质量，即在软硬度上，智能不可调。

对于脊柱后凸畸形的人来说，由于脊柱向后拱起，普通的床垫没有考虑到驼背人的 突出部分，当这些人躺在普通的床垫上，只能去被动的去适应普通床垫，造成凸出部分的挤压，将很难以仰卧姿势睡觉，带给这类人群很大的痛苦。轻者影响睡眠质量，保证 不了病人的充足睡眠，同时导致病人突出点疼痛，短期内造成病人的萎靡不振，影响白 天的日常生活。长期下去，造成病人驼背突出点的变形、腐烂，导致更严重的疾病。因 此设计一款适用于驼背人的床垫也迫在眉睫。

此外，人们在睡觉时，可能有多种不同的睡姿，为了适应不同的睡姿，也需要床垫能够针对不同的受力点，提供不同的支撑，以使得不同睡姿的人获得最舒适的支撑和保护。

我们都知道，软床体验感佳，硬床在预防颈椎、腰椎、脊椎病等方面作用明显，是软床无可比拟的。如何将二者结合，既照顾到睡眠者的感官，又能在无形中为其提供更 为健康的睡眠环境是非常重要的。

发明内容

本发明的目的是通过以下技术方案实现的。

本发明提出了一种用于实现智能学习的软硬可调床垫硬度调节系统，用于调节床垫 中设置的多个气囊，包括：按预定规则排列的多个气囊；与所述多个气囊分别连接的多个压力传感器，所述多个压力传感器同时连接到控制模块；与所述多个气囊分别连接的 多个电子气阀，所述多个电子气阀同时连接到相应的气泵；分别用于充气的气泵和用于 放气的气泵；用于控制气囊气压的控制模块；其中，所述多个气囊中的每个气囊都分别 通过压力传感器、电子气阀和气泵连接到控制模块；压力传感器用于采集气囊的压力， 并将采集的到气压值发送到控制模块；控制模块根据气压值判断用户的睡姿，并根据不 同的睡姿对用户身体下面的气囊进行充放气，以将气囊气压调节到合适的范围。

根据本发明的一个方面，所述按预定规则排列的多个气囊，整齐的排列成一层，分别按照一排一排顺序排列；或者，所述按预定规则排列的多个气囊，整齐的排列成一层， 每一排和相邻的一排相互交叉排列。

根据本发明的一个方面，所述气囊的直径是5cm。

本发明还提出了一种采用上述的用于实现智能学习的软硬可调床垫硬度调节系统对 床垫进行调节的方法，用于调节床垫中设置的多个气囊，包括如下步骤：

S101：在初始状态，为床垫气囊配置初始气压值；

S102：当有用户上床时，压力传感器采集每个气囊的压力值；

S103：将采集到的多个气囊的压力值输入神经网络，通过神经网络训练算法对所述 压力值进行智能学习；

S104：根据神经网络训练算法的学习结果，判断用户的个人参数和睡姿；

S105：针对用户的个人参数和睡姿，调整气囊的压力值；

S106：配置最适合用户的气囊压力，使得整个床垫中的不同气囊的压力值为最适合 用户的压力值。

根据本发明的一个方面，在步骤S103采用的所述神经网络结构中，输入层有m个输入 数据，隐藏层有q个单元，输出层有n个输出数据。

本发明还提出了一种采用上述的用于实现智能学习的软硬可调床垫硬度调节系统对 床垫进行调节的方法，用于调节床垫中设置的多个气囊，包括如下步骤：

S201：在初始状态，为床垫气囊配置初始气压值；

S202：通过设置在床顶上、床侧面上方或床头上方的照相机，拍摄用户的睡姿；

S203：在睡姿照片识别之前，先进行睡姿照片预处理；

S204：在对睡姿照片预处理之后，对睡姿照片进行均衡；

S205：在对睡姿照片进行均衡之后，对睡姿照片进行图像滤波；

S206：对睡姿进行识别，并根据识别结果配置最适合用户的气囊气压以及床垫形状。

本发明还提出了一种采用上述的用于实现智能学习的软硬可调床垫硬度调节系统的 可智能调节软硬度床垫，床垫的最上面采用比利时贝卡特1铺就，在比利时贝卡特1的下面是一层澳洲羊绒毛织就的毡子2，澳洲羊绒毛2的下面是一层澳洲骆驼毛织就的毡子3，澳洲骆驼毛毡子3下面采用一层2cm静音棉4，用于阻隔上层垫被与下层床垫结构之 间的声音传递；在2cm静音棉4的下面，铺就一层比利时进口乳胶5，在比利时进口乳胶 5的下面，铺放气囊层6；气囊层6的下面，有一层采用台湾大豆棉织就的底毡7；上述 七层不同材质组成的床垫，由特殊工艺边框8包围，整体放在床上。

根据本发明的一个方面，床垫适用于驼背用户，根据用户睡觉时的每次换姿自动调 节其驼背突出点气囊充放气。

根据本发明的一个方面，在床垫中间挖出形状大小为50*50平方厘米的床垫，用于放置凹陷形状的适配大小的气囊垫，气囊垫镶嵌于整齐排列的多个气囊中间。

根据本发明的一个方面，床垫适用于患病的用户，在用户需要时，调整床垫进行弯曲，使得床垫的一头翘起，方便用户躺在床上时，呈斜躺状，未翘起的床垫部分呈凸起 椭圆弧状，方便用户坐在床垫上时，托住下半身，不会滑下去。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技 术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

附图1示出了根据本发明实施方式的实现智能学习的软硬可调床垫结构示意图。

附图2a示出了根据本发明实施方式的一种气囊排列方式示意图。

附图2b示出了根据本发明实施方式的一种气囊排列方式示意图。

附图3示出了根据本发明实施方式的实现智能学习的软硬可调床垫硬度调节系统的 结构示意图。

附图4示出了根据本发明实施方式的一种采用实现智能学习的软硬可调床垫硬度调 节系统对床垫进行调节的方法流程图。

附图5示出了根据本发明实施方式的神经网络结构示意图。

附图6示出了根据本发明实施方式的另一种采用实现智能学习的软硬可调床垫硬度 调节系统对床垫进行调节的方法流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开 的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将 本公开的范围完整的传达给本领域的技术人员。

附图1示出了根据本发明实施方式的实现智能学习的软硬可调床垫的分层结构。床垫 的最上面采用比利时贝卡特1铺就，在比利时贝卡特1的下面是一层澳洲羊绒毛织就的毡 子2，澳洲羊绒毛2的下面是一层澳洲骆驼毛织就的毡子3，澳洲骆驼毛毡子3下面采用一 层2cm静音棉4，用于阻隔上层垫被与下层床垫结构之间的声音传递；在2cm静音棉4的下面，铺就一层比利时进口乳胶5，在比利时进口乳胶5的下面，铺放气囊层6；气囊层6的 下面，有一层采用台湾大豆棉织就的底毡7；上述七层不同材质组成的床垫，由特殊工艺 边框8包围，整体放在床上。

根据本发明的一个方面，采用本发明的实现智能学习的软硬可调床垫中，气囊层6包 括多个气囊，所述多个气囊整齐的排列成一层，可以按照一排一排顺序排列，如附图2a所示。也可以每一排和相邻的一排相互交叉排列，如附图2b所示。但是，要保证气囊充 满整个床垫。进一步地，所述多个气囊可以是圆球形，也可以是正方形或长方形，一排 一排顺序排列满整个床垫，所述圆球形气囊充满气后，会形成气囊顶端高，而气囊与气 囊之间空隙处较低的波浪形的效果，适应某些有此需要的人群。所述圆球形的直径可以 是2cm、3cm、5cm、6cm、8cm、10cm，最大可以为20cm或50cm。所述正方形的边长可以为 2cm、3cm、5cm、6cm、8cm、10cm，最大可以为20cm或50cm。所述多个气囊也可以是圆柱 形或者方柱形，按照竖立的方式一排一排顺序排列满整个床垫，所述圆柱形气囊充满气 后，基本能形成平坦的表面，适应另一部分由此需要的人群。所述多个气囊也可以是圆 柱形或方柱形，圆柱或方柱的高就是床垫的宽或床垫的长，通过气体在气囊中的挤压形 成适应某些由此需要的人群。所述圆柱形的直径可以是2cm、3cm、5cm、6cm、8cm、10cm， 最大可以为20cm或50cm。所述方柱形的边长可以为2cm、3cm、5cm、6cm、8cm、10cm，最 大可以为20cm或50cm。所述圆柱形和方柱形的高可以为2cm、3cm、5cm、6cm、8cm、10cm， 最大可以为20cm或50cm。

图3示出了根据本发明实施例的实现智能学习的软硬可调床垫硬度调节系统。如图所 示，每个气囊都连接到控制模块，气囊在初始状态时，冲入一定量的气，保证用户刚躺到床上时，保持一定的舒适程度。当有用户躺到床上时，气囊受到压力，通过连接的压 力传感器，将压力值传输到控制模块。控制模块根据每个气囊的压力值，判断用户的睡 姿，并根据用户的睡姿配置气囊的气压以适应用户。上述多个气囊中的每个气囊连接有 电子气阀(图中未示出)，多个气囊中的每个气囊连接有压力传感器，用于采集气囊压力， 一方面可以调节气压到用户舒适的阈值，另一方面可以防止冲炸。电子气阀分别连接到 两个个气泵，其中一个气泵用于放气，一个气泵用于充气。

控制模块可以收集所有气囊的动态采集数据和控制数据、以及各个其它类型的数据， 而不需要事先标识或指示将收集哪个气囊提供的信息。也就是说，气囊的配置排除了将 在气囊处收集的以用于历史化的测量数据和控制数据以及各种其它类型的数据的任何指 示。在当前公知的过程控制系统中，操作者或用户通常必须对过程控制设备(例如，控制模块)进行配置以通过标识哪个数据将被收集或保存(以及在某些实施例中，通过指定所述数据将被收集或保存的时间或频率)来捕获测量数据和控制数据。待收集的气囊数据的身份(以及可选地，时间/频率)被包括在过程控制设备的配置中。相反，控制模块不需要 被配置为具有期望收集的测量数据和控制数据的身份以及其收集的时间/频率。事实上， 在实施例中，自动收集由气囊直接生成的和/或在控制模块处直接接收到的所有测量数据 和控制数据以及所有其它类型的数据。

在上述系统中，控制模块可以是不同领域中针对不同类型的数据的操作主体，可以 是人，也可以是诸如电子设备之类的机制，该机制是包含了处理器、存储器、总线、电 源电路等基本处理功能的装置，优选地，该机制还可根据需要而具有诸如键盘、键区、 触摸屏之类的输入设备，还可以具有诸如图形用户界面之类的显示设备。不同领域包括 现有的和以后开发的各种领域，甚至可以同时包括多个领域或交叉领域。对数据的定义 取决于用户的要求。获得数据的方式是任意的，可以采用现有的和以后开发的各种方式。 同理，整合和/或检查数据的方式也任意。对结果进行测试、验证、部署和更新的方式也 是任意的，可采用现有的和以后开发的各种方式。

此外，在某些场景中，当检测到气囊数据的变化时，在分布式大数据实时交换共享的云计算机网络系统中分享或标识动态控制床垫气囊和测量数据中的至少某些静态元数据。例如，如果在使用床垫的用户的数据发生了改变，则云计算机网络系统能够自动捕 获相关联的气囊数据的更新。在某些情况下，在设备中默认地自动捕获与用于缓冲来自 外部系统或外部源(例如，酒店、商场等)的床垫数据的特殊模块相关联的参数。另外地 或替代地，可以在控制模块中自动捕获监测气囊数据和/或其它类型的监控数据。

根据本发明的一个方面，提出了一种用于实现智能学习的软硬可调床垫硬度调节方 法。如附图4所示，所述调节方法包括如下步骤：

S101：在初始状态，为床垫气囊配置初始气压值；

S102：当有用户上床时，压力传感器采集每个气囊的压力值；

S103：将采集到的多个气囊的压力值输入神经网络，通过神经网络训练算法对所述 压力值进行智能学习；

S104：根据神经网络训练算法的学习结果，判断用户的个人参数和睡姿；

S105：针对用户的个人参数和睡姿，调整气囊的压力值；

S106：配置最适合用户的气囊压力，使得整个床垫中的不同气囊的压力值为最适合 用户的压力值。

根据本发明的一个方面，针对每种睡姿，使用压力传感器记录每一种睡姿的压力值， 针对每一种睡姿构建数据库，在一次检测中，从数据库中匹配压力值，进而识别人体睡姿。

在上述调节方法中，为了寻找计算复杂度较低的神经网络训练算法及降低数据尺度 等方法,本发明提针对气囊压力值学习与数据分析算法进行了创新，提出了一种新的神经 网络训练算法。

通过本发明的神经网络训练算法，可以以任意精度近似逼近任何连续的非线性函数。 所采用的神经网络结构如图5所示。它包含一个输入层、一个隐藏层和一个输出层。同层中的神经元互不相连,而相邻两层间的神经元彼此全连接。该神经网络训练算法包含三个阶段：计算阶段、反馈阶段、以及迭代与终止阶段。

分别对压力传感器采集到每个气囊的压力值进行归一化预处理，然后将归一化后的 压力值Xm传入神经网络

在所述神经网络结构中，输入层有m个输入数据，隐藏层有q个单元，输出层有n个输 出数据。

在前向阶段,输入层获取到输入信号并将其传递到隐藏层中的每个神经元。然后,隐 藏层处理这些信号并将处理结果传递到输出层。对于一个输入向量 X＝(x₁，x₂，...，x_m),隐藏层中每个神经元的输入和输出信号标记为u_j和 h_j，这两个信号分别通过公式(1)和公式(2)算出。

W_ij是输入层神经元i和隐藏层神经元j之间的权重,θj是偏置。

输出层从隐藏层获取到信号之后同样需要进行后续处理。输出层神经元的输入信号 l_k和输出信号c_k,分别由公式(3)和公式(4)计算得出。

其中,V_jk是隐藏层神经元j和输出层神经元k之间的权重,γ_k是偏置。

至此,前向过程的信息处理流程结束。在前向过程中,神经网络模型权重W,V和偏置θ, γ并不发生变化。如果前向处理得出的神经网络最终输出信号与真实信号一致,那么下一 个输入向量将被输入到该神经网络并开始新一轮的前向过。否则,该算法将进入后向过 程。这里,将神经网络的最终输出信号和真实信号之间的差值称为偏差(Error)。

在后向过程,首先将采用公式(5)计算出每个输出层神经元d_k的偏差,然后进一步地利用公式(6)计算出每个隐藏层神经元e_j的偏差。

d_k＝(y_k-c_k)c_k(1-c_k)k＝1，2， 式(5)

V_jk(N+1)＝V_jk(N)+α₁d_k(N)h_j

γ_k(N+1)＝γ_k(N)+α₁d_k(N) 式(7)

在上述的公式中，i＝1，2，...，m；j＝1，2，...，q；k＝1，2，...，n。α₁是取 值范围在0到1的学习率。N表示当前训练轮数的编号。

后向传播算法有两种训练模式：在线训练和批量训练。对于在线训练模式而言，每轮 训练采用一条样本，训练样本是一条接着一条处理的。对于批量训练模式而言，每轮训练 采用一批样本，同一轮中每个样本生成的ΔW(ΔW表示两轮之间的W，V，K，θ，γ偏 差)将被累加，累加后的ΔW将一起用于修正模型权重。

整个训练过程将选代进行，直到达到训练终止条件。常用的两个终止条件是模型的均 方误差达到预设阔值，以及训练迭代轮数达到设置的最高值。事实上，为了计算出所有样 本产生的偏差，整个训练数据集都需要作用在神经网络上进行上述的训练流程。当需要处 理的训练数据集规模较大时，传统的串行处理比较耗时，因此需要并行化加速处理。

对神经网络的输出进行处理。以气囊的直径为5cm为例，如果在床垫的宽度上，超过5个气囊压力值发生变化的时候，如果在长度方向上，所有发生变化的气囊中，中间 的压力值变化大于相邻中间位置的压力值变化，则判断为仰卧；如果在长度方向上，所 有发生变化的气囊中，中间的压力值变化小于相邻中间位置的压力值变化，则判断为俯 卧；如果在床垫的宽度上，小于3个气囊的压力值发生变化的时候，则可能为侧卧，并 且，发生变化的气囊的形状不是直线排列，而是S形排列时，根据S形的方向，辨别为 左侧卧或右侧卧。

根据本发明的一个方面，提出了一种用于实现智能学习的软硬可调床垫硬度调节方 法。如附图6所示，所述调节方法包括如下步骤：

S201：在初始状态，为床垫气囊配置初始气压值；

S202：通过设置在床顶上、床侧面上方或床头上方的照相机，拍摄用户的睡姿；

S203：在睡姿照片识别之前，先进行睡姿照片预处理；

睡姿照片预处理是睡姿识别的关键环节，提高了睡姿的识别率，一般是在获取完照 片之后，识别之前进行。由于每个人的睡姿的千姿百态，以及光照、背景、环境都不尽 相同，另外，拍摄的睡姿照片在拍摄以及存储的过程中有很多因素干扰，拍摄的图像与 真人之间肯定有很大的差异，睡姿照片的预处理就是起到尽量减少睡姿照片的外界干扰， 还原最原始的照片质量，消除睡姿照片的冗余信息。经过睡姿照片预处理后，这些睡姿 照片的识别率明显提高，增加了系统的稳定性，保证系统能够实时的响应用户的换姿过 程。所采用的睡姿照片预处理的方法主要包括两类：一类是直接对睡姿照片的灰度图像 进行处理，这种方法称为空间域法。还有一种方法是对睡姿照片进行频谱变换，通过将 睡姿照片进行逆变换，再进行修正，最后送入识别过程，这类方法称为频率域法，属于 一种间接处理办法。

S204：在对睡姿照片预处理之后，对睡姿照片进行均衡；

睡姿照片经过上一步的预处理之后，都归一化在同一像素大小，即同一标准下，在几何上达到了几何空间的一致性，但是由于外界环境的影响如天气变化、温度变化等之后，比如照相机在采集睡姿照片时由于光线强度差异或设备原因，使图像整体偏暗或偏亮，这样图像对比度差会导致睡姿照片的轮廊分辨不清，使得每次采集到的图片千差万别，灰度变化很大，这种情况下图像的灰度层次就相应的减弱、图像直方图灰度值会集 中在某一个区域，这样常常会降低照片的分割和识别效果。为了消除这些外界因素的影 响，在前期预处理的基础之上，必须再进行均衡，保证图片灰度归一化，尽最大可能消 除外界的影响，提高后期的识别效率。

灰度变换主要是修正睡姿照片像素灰度值，通过特定的灰度变换函数对原图像灰度 级进行改变，进而确定变换后的灰度值，这种关系是一类具有特定的级别意义的复制关系，图像的空间关系仍然保持不变。用数学公式表示如下：

G(x，y)＝T[f(x，y)] 式(8)

其中G(x,y)代表灰度变换以后的图像，f(x,y)代表原始图像，T为灰度变换函数，灰度变换函数由具体的场景根据自己的需要选择。

本发明采用直方图均衡化的方法来使睡姿照片的灰度分散均匀，去掉那些明显的峰 值。该技术的工作原理是将一幅原睡姿照片原来集中在一个较小的灰度级的图像转变成 横坐标每个灰度级都平均分布、范围扩大到更大区间、都有相同像素点的直方图均衡化的过程，使得原图像的灰度范围动态增大，对比度与原睡姿图像相比增强，对比度越低， 直方图均衡化的效果越明显，并且直方图均衡化过程只能使用一次，比如对已经使用过 该过程的图像再使用该工程，结果发现，图像没有任何的变化。

S205：在对睡姿照片进行均衡之后，对睡姿照片进行图像滤波；

图像滤波采用中值滤波。中值滤波是一种非线性的、数字的、平滑的滤波器技术，可以显著的去除图像中的孤点噪声。它的实现原理就是把待检测图像中某点的像素值变换为以该点为中心的邻域中的所有的像素值的中值，使该点周围的像素值更接近真实值，以此来消除图像中的孤点噪声。中值滤波技术的基础是排序理论，在滤除叠加白噪声以 及长尾叠加噪声有很大的优势，优势表现在能很好的保护目标边界信息，使边界变得不 模糊，同时对滤波脉冲产生的干扰以及图像扫描噪声方面效果显著，主要是因为中值滤 波在有效削弱信号毛刺的时候同时也保护斜坡和阶跃信号不受破坏。中值滤波算法是基 于滑动窗口技术，原理是某一区域内的任一点的像素值修改为基于该区域中所有像素点 的中间值，其中这些值必须按照升序或者降序的顺序排列。本发明中形状窗口模版采用 常用为2*2或3*3的子区域，但也可以根据需要选择其他不同的形状，如圆形，十字 形，线形等，计算得出窗口中各像素点灰度值的中间值，并将该中间值作为这一窗口中 所有点的像素值。若该窗口内的像素点值个数为奇数，那么就取中间元素的值就可以， 若该窗口中包含的像素点的个数为偶数，那么该区域的像素值取中间两个元素的平均值。

S206：对睡姿进行识别，并根据识别结果配置最适合用户的气囊气压以及床垫形状。

根据本发明的一个方面，本发明中基于图像识别技术，检测睡姿识别过程如下：

(1)仰卧睡姿：仰卧睡姿的判断，采取当识别到人体正脸朝上或者向左向右翻转角度小于等于30°时，即认为是仰卧睡姿；

(2)左侧卧睡姿：左侧卧卧睡姿的判断，采取当识别到右侧脸、右侧耳朵时，即认为是左侧卧睡姿；

(3)右侧卧睡姿：同左侧卧相似，即右侧卧卧睡姿的判断，采取当识别到左侧脸、左侧耳朵时，即认为是右侧卧睡姿；

(4)俯卧睡姿：若不是以上三种睡姿，即认为是俯卧睡姿，当检测到俯卧睡姿，不做任何处理。

根据本发明的一个方面，在识别中，若检测到正面人脸图像(包括图像的左右旋转角度在30°之内)，认为是仰卧，同时检测气囊，并将气囊置于放气的状态；若在识别 中检测到侧面人脸(系统中把左侧卧和右侧卧统称为侧卧处理)，则控制气囊现在为充满 气状态，支撑用户(比如，病人)侧卧；若检测结果不满足上述两种情况，则认为病人 现在是俯卧睡姿，不执行任何操作。其中本发明中认为向左或向右30°以内均归为正面 人脸，在此条件内均认为是仰卧，向左旋转80°-100°之间均归为左侧人脸(同理右侧) 在此条件内均认为是侧面人脸。

根据本发明的一个方面，本发明的床垫适用于驼背用户，根据用户睡觉时的每次换 姿自动调节其驼背突出点气囊充放气。该床垫系统主要通过近红外照相机拍摄用户睡觉 时头部区域的近红外图像，将提取的图像传递到控制模块中，然后通过以上描述算法判别睡姿，通过检测结果来控制气泵进行该装置的气囊充气放气过程。

根据本发明的一个方面，本发明的床垫可用于患病的用户，在用户需要时，调整床垫进行弯曲，使得床垫的一头翘起，方便用户躺在床上时，呈斜躺状，未翘起的床垫部 分呈凸起椭圆弧状，方便用户坐在床垫上时，托住下半身，不会滑下去。

考虑到用户的隐私，每次处理的图像都进行模糊，又因为该装置是在人睡觉时工作， 因此产品必须低噪声，并且能确保用户的安全。

根据本发明的一个方面，床垫依据驼背用户的生理病理等个性化特点进行设计。首 先系统根据用户的身高、用户驼背部分的凸出程度、躺在垫中的压力分布值，在床垫中间挖出形状大小为50*50平方厘米的床垫，用于放置凹陷形状的适配大小的气囊垫，气囊垫镶嵌于整齐排列的多个气囊中间，充填适于接触驼背的气压。根据用户仰卧、左侧卧、 右侧卧三个睡姿状态下的压力分布值，通过控制模块控制，保证床垫的稳定性。

根据本发明的一个方面，将近红外照相机放于用户头部正上方的墙壁上，使得获取 到的睡姿图片集中于用户脸部，由于该系统实时性要求强，选取每隔1分钟从近红外照相机中采集一帧近红外图像。首先判断待检测图像中是否有人脸存在，若存在，接下来 进入检测睡姿流程，若不存在人脸，则不执行任何操作，退出该次检测；若检测到正面 人脸图像(包括图像的左右旋转角度在30°之内)，认为是仰卧，同时检测气囊，并将 气囊置于放气的状态；若在识别中检测到侧面人脸(系统中把左侧卧和右侧卧统称为侧 卧处理)，则控制气囊现在为充满气状态，支撑用户侧卧；若检测结果不满足上述两种情 况，则认为用户现在是俯卧睡姿，不执行任何操作。

很多传统的串行化机器学习算法难以在可接受的时间内完成对大数据的处理计算, 从而在实际应用场景中无法工作。因此,可以对现有的所有串行化机器学习算法进行并行 化设计。常见的机器学习算法的并行化思路包括数据并行化和模型并行化。

在识别中，首先判断待检测图像中是否有人脸存在，若存在，接下来检测睡姿，若不存在人脸，则不执行任何操作，退出该次检测；若检测到正面人脸图像(包括图像的 左右旋转角度在30°之内)，认为是仰卧，同时检测气囊，并将气囊置于放气的状态； 若在识别中检测到侧面人脸(系统中把左侧卧和右侧卧统称为侧卧处理)，则控制气囊现 在为充满气状态，支撑病人侧卧；若检测结果不满足上述两种情况，则认为病人现在是 俯卧睡姿，不执行任何操作。

在某些实施例中，控制模块包括每个都具有集成式用户接口的一个或多个节点或设 备，用户或操作者可以经由该集成式用户接口与过程控制系统交互以执行有关的活动(例 如，配置、查看、监控、测试、诊断、排序、计划、调度、注释、和/或其它活动)。这 些用户接口节点或设备的示例包括移动或静止的计算设备、工作站、手持式设备、平板 设备、表面计算设备、以及具有处理器、存储器、和集成式用户接口的任何其它计算设 备。集成的用户接口可以包括屏幕、键盘、小键盘、鼠标、按钮、触摸屏、触模板、生 物计量接口、扬声器和麦克风、相机、和/或任何其它用户接口技术。每个用户接口设备 都可以包括一个或多个集成的用户接口。用户接口节点或设备可以包括至分布式大数据 实时交换共享的云计算机网络系统的直接连接、或者可以包括例如经由接入点或网关至 分布式大数据实时交换共享的云计算机网络系统的间接连接。用户接口设备可以以有线 方式和/或以无线方式通信地连接到分布式大数据实时交换共享的云计算机网络系统。在 某些实施例中，用户接口设备可以以各种通信方式连接到分布式大数据实时交换共享的 云计算机网络系统。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护 范围为准。

Claims (10)

1.一种用于实现智能学习的软硬可调床垫硬度调节系统，用于调节床垫中设置的多个气囊，其特征在于，包括：

按预定规则排列的多个气囊；

与所述多个气囊分别连接的多个压力传感器，所述多个压力传感器同时连接到控制模块；

与所述多个气囊分别连接的多个电子气阀，所述多个电子气阀同时连接到相应的气泵；

分别用于充气的气泵和用于放气的气泵；

用于控制气囊气压的控制模块；

其中，所述多个气囊中的每个气囊都分别通过压力传感器、电子气阀和气泵连接到控制模块；

压力传感器用于采集气囊的压力，并将采集的到气压值发送到控制模块；

控制模块根据气压值判断用户的睡姿，并根据不同的睡姿对用户身体下面的气囊进行充放气，以将气囊气压调节到合适的范围。

2.如权利要求1中的实现智能学习的软硬可调床垫硬度调节系统，其特征在于：

所述按预定规则排列的多个气囊，整齐的排列成一层，分别按照一排一排顺序排列；

或者，所述按预定规则排列的多个气囊，整齐的排列成一层，每一排和相邻的一排相互交叉排列。

3.如权利要求2中的实现智能学习的软硬可调床垫硬度调节系统，其特征在于：

所述气囊的直径是5cm。

4.一种采用如权利要求1所述的用于实现智能学习的软硬可调床垫硬度调节系统对床垫进行调节的方法，用于调节床垫中设置的多个气囊，其特征在于，包括如下步骤：

S101：在初始状态，为床垫气囊配置初始气压值；

S102：当有用户上床时，压力传感器采集每个气囊的压力值；

S103：将采集到的多个气囊的压力值输入神经网络，通过神经网络训练算法对所述压力值进行智能学习；

S104：根据神经网络训练算法的输出结果，判断用户的个人参数和睡姿；

S105：针对用户的个人参数和睡姿，调整气囊的压力值；

S106：配置最适合用户的气囊压力，使得整个床垫中的不同气囊的压力值为最适合用户的压力值。

5.如权利要求4中的实现智能学习的软硬可调床垫的调节方法，其特征在于：

在步骤S103采用的所述神经网络结构中，输入层有m个输入数据，隐藏层有q个单元，输出层有n个输出数据。

6.一种采用如权利要求1所述的用于实现智能学习的软硬可调床垫硬度调节系统对床垫进行调节的方法，用于调节床垫中设置的多个气囊，其特征在于，包括如下步骤：

S201：在初始状态，为床垫气囊配置初始气压值；

S202：通过设置在床顶上、床侧面上方或床头上方的照相机，拍摄用户的睡姿；

S203：在睡姿照片识别之前，先进行睡姿照片预处理；

S204：在对睡姿照片预处理之后，对睡姿照片进行均衡；

S205：在对睡姿照片进行均衡之后，对睡姿照片进行图像滤波；

S206：对睡姿进行识别，并根据识别结果配置最适合用户的气囊气压以及床垫形状。

7.一种采用如权利要求1所述的用于实现智能学习的软硬可调床垫硬度调节系统的可智能调节软硬度床垫，其特征在于：

床垫的最上面采用比利时贝卡特1铺就，在比利时贝卡特1的下面是一层澳洲羊绒毛织就的毡子2，澳洲羊绒毛2的下面是一层澳洲骆驼毛织就的毡子3，澳洲骆驼毛毡子3下面采用一层2cm静音棉4，用于阻隔上层垫被与下层床垫结构之间的声音传递；在2cm静音棉4的下面，铺就一层比利时进口乳胶5，在比利时进口乳胶5的下面，铺放气囊层6；气囊层6的下面，有一层采用台湾大豆棉织就的底毡7；上述七层不同材质组成的床垫，由特殊工艺边框8包围，整体放在床上。

8.如权利要求7中的可智能调节软硬度床垫，其特征在于：

适用于驼背用户，根据用户睡觉时的每次换姿自动调节其驼背突出点气囊充放气。

9.如权利要求8中的可智能调节软硬度床垫，其特征在于：

在床垫中间挖出形状大小为50*50平方厘米的床垫，用于放置凹陷形状的适配大小的气囊垫，气囊垫镶嵌于整齐排列的多个气囊中间。

10.如权利要求7中的可智能调节软硬度床垫，其特征在于：

适用于患病的用户，在用户需要时，调整床垫进行弯曲，使得床垫的一头翘起，方便用户躺在床上时，呈斜躺状，未翘起的床垫部分呈凸起椭圆弧状，方便用户坐在床垫上时，托住下半身，不会滑下去。